Editorial | 6 |
Danksagung | 8 |
Inhaltsverzeichnis | 10 |
A Informationsqualität – Grundlagen | 12 |
1 Was wissen wir über Information? | 13 |
1.1 Einleitung | 13 |
1.2 Grundlegung | 15 |
1.3 Information im Wissens- und Informationsmanagement | 17 |
1.4 SHANNONsche Informationstheorie | 21 |
1.5 STEINMÜLLERs Informationsmodell | 24 |
1.6 Information als Produktionsfaktor | 29 |
1.7 Zusammenfassung des Beitrages | 32 |
Literaturverzeichnis | 33 |
2 Informationsqualität – Definitionen, Dimensionen und Begriffe | 35 |
2.1 Einleitung | 35 |
2.2 IQ-Dimensionen und Definitionen | 36 |
2.3 Zusammenfassung und Ausblick | 54 |
Literaturverzeichnis | 55 |
B Methoden – Techniken – Tools – Regelwerke/Standards | 56 |
1 Datenqualitätsmetriken für ein ökonomisch orientiertes Qualitätsmanagement | 57 |
1.1 Einleitung | 57 |
1.2 Anforderungen an Datenqualitätsmetriken | 59 |
1.3 Bisherige Beiträge zur Messung von Datenqualität | 59 |
1.4 Metriken und Messverfahren für DQ | 62 |
1.5 Praktische Anwendung der Metrik für Aktualität | 72 |
1.6 Zusammenfassung und Ausblick | 73 |
Literaturverzeichnis | 74 |
2 Datenqualitätsmanagement – Steigerung der Datenqualität mit Methode | 76 |
2.1 Die Bedeutung des Total Data Quality Management | 76 |
2.2 Phasen eines ganzheitlichen Datenqualitätsmanagements | 78 |
2.3 Anreize für ein Datenqualitätsmanagement | 93 |
Literaturverzeichnis | 95 |
3 Strukturierte Datenanalyse, Profiling und Geschäftsregeln | 96 |
3.1 Datenqualität | 96 |
3.2 Merkmale der Datenqualität | 98 |
3.3 Geschäftsregeln | 101 |
3.4 Methoden der Datenanalyse | 102 |
3.5 Metriken im Detail | 104 |
3.6 Datenqualität in der Anwendung | 106 |
Literaturverzeichnis | 109 |
4 Datenbereinigung zielgerichtet eingesetzt zur permanenten Datenqualitätssteigerung | 110 |
4.1 Definition “Datenbereinigung” | 110 |
4.2 Ursachenanalyse | 111 |
4.3 Bewertungskriterien für Datenfehler und Korrekturmaßnahmen | 112 |
4.4 Methoden des Datenqualitätsmanagements | 116 |
4.5 Datenqualitätsmaßnahmen im Detail | 118 |
4.6 Zusammenfassung | 130 |
5 Datenintegration und Deduplizierung | 131 |
5.1 Schritt 1: Schema Matching | 134 |
5.2 Schritt 2: Dublettenerkennung | 137 |
5.3 Schritt 3: Datenfusion | 143 |
5.4 Erweiterungen | 147 |
5.5 Zusammenfassung | 149 |
6 Definition von Datenarten zur konsistenten Kommunikation im Unternehmen | 151 |
6.1 Einleitung und Zielsetzung | 151 |
6.2 Datenarten in der Informationslandschaft | 152 |
6.3 Beschreibungskriterien | 153 |
6.4 Beispiele für den Praxiseinsatz | 159 |
6.5 Zusammenfassung | 164 |
7 Suchmaschinen und Informationsqualität: Status quo, Problemfelder, Entwicklungstendenzen | 165 |
7.1 Ausgangssituation | 165 |
7.2 Charakterisierung algorithmenbasierter Suchmaschinen | 166 |
7.3 Semantisches Web und semantische Suchmaschinen | 171 |
7.4 Fazit und Ausblick | 177 |
Literaturverzeichnis | 178 |
8 Bedeutung der Informationsqualität bei Kaufentscheidungen im Internet | 180 |
8.1 Einleitung | 180 |
8.2 Informationsqualität in Entscheidungsprozessen | 181 |
8.3 Ursachen mangelnder Informationsqualität im Internet | 185 |
8.4 Fazit und Handlungsempfehlungen | 197 |
Literaturverzeichnis | 200 |
9 Datenqualitäts-Audits in Projekten | 206 |
9.1 Einleitung | 206 |
9.2 Abstimmung mit anderen Regelwerken | 207 |
9.2 Abstimmung mit anderen Regelwerken | 207 |
9.3 Glossar | 208 |
9.4 Gebrauch der Generischen Checkliste | 208 |
9.5 Datenqualitätsbewertung einer Datensammlung | 211 |
9.6 Zusammenfassung | 221 |
C Organisation | 222 |
1 Organisatorische Ansiedlung eines Datenqualitätsmanagements | 223 |
1.1 Einführung | 223 |
1.2 Datenqualitätsmanagement – Entwicklungsstufen und Aufgaben | 225 |
1.3 Datenqualitätsmanagement – Ansiedlung im Unternehmen | 227 |
1.4 Datenqualitätsmanagement in Projekten | 231 |
1.5 Zusammenfassung und Ausblick | 233 |
Literaturverzeichnis | 234 |
2 Organisatorische Maßnahmen für gute Datenqualität | 235 |
2.1 Messungen, Ursachen und generische Ansätze | 235 |
2.2 Aus den generischen Ansätzen abgeleitete Strategien | 239 |
2.3 Strategie A: Transparenz schafft Vertrauen | 240 |
2.4 Strategie B: Definition von Verantwortlichkeiten | 241 |
2.5 Strategie C: gezielt Abhängigkeiten suchen | 243 |
2.6 Strategie D: Daten-Lifecycle auf Basis des Prozesses | 246 |
2.7 Strategie E: Niederschwellige Verbesserungs-Werkzeuge | 248 |
2.8 Vor- und Nachteile aller erwähnter Strategien | 250 |
2.9 Vorgehen bei der Umsetzung dieser Strategien | 251 |
Literaturverzeichnis | 253 |
3 Informationsmanagementprozesse im Unternehmen | 254 |
3.1 Motivation | 254 |
3.2 Ausgangslage | 254 |
3.3 Bewertung | 256 |
3.4 Informationsmanagementprozess | 258 |
3.5 Schema einer Informationsplanung | 260 |
3.6 Datenlandkarte und Datenarchitektur | 261 |
3.7 Geschäftsprozesse und Informationsmanagementprozess | 264 |
3.8 Qualitätsaspekte | 265 |
3.9 Ökonomische Aspekte | 269 |
3.10 Zusammenfassung | 270 |
Literaturverzeichnis | 270 |
4 Data Governance | 271 |
4.1 Einführung | 271 |
4.2 Stand der Wissenschaft und Praxis | 273 |
4.3 Ein Modell für Data Governance | 278 |
4.4 Zusammenfassung | 287 |
Literaturverzeichnis | 288 |
5 IQM-Reifegradmodell für die Bewertung und Verbesserung des Information Lifecycle Management Prozesses | 290 |
5.1 Einleitung | 290 |
5.2 Hintergrund | 291 |
5.3 Methodologie | 294 |
5.4 IQM-Reifegradmodell | 295 |
5.5 Zusammenfassung und Ausblick | 299 |
Literaturverzeichnis | 299 |
D Praxisbeispiele | 303 |
1 Ein Entscheidungsmodell zur Weitergabe persönlicher Daten im Internet | 304 |
1.1 Einleitung | 304 |
1.2 Entscheidungsmodell | 305 |
1.3 Ausblick | 315 |
Literaturverzeichnis | 317 |
2 Einführung eines proaktiven DQ-Managements | 318 |
2.1 Die Bremer Landesbank | 318 |
2.2 Proaktives Datenqualitätsmanagement | 319 |
2.3 Datenqualitätsorganisation | 320 |
2.4 Eskalationsinstanz | 322 |
2.5 Reporting | 322 |
2.6 Messung von Datenqualität | 322 |
2.7 Visualisierung der Messergebnisse | 329 |
2.8 Messergebnisse und Fazit | 333 |
3 Informationsqualität für das Management mit TOPAS | 335 |
3.1 Informationsmanagement für Führungskräfte | 335 |
3.2 TOPAS®: Methode und Modell | 337 |
3.3 Anwendung: Management von Informationen und Daten | 342 |
3.4 Informationserfassung | 345 |
3.5 Informationsverarbeitung | 346 |
3.6 Informationsdarstellung | 350 |
3.7 Wirkungsspektrum von TOPAS | 352 |
Literaturverzeichnis | 354 |
4 Datenqualitäts-Modell der Volkswagen Financial Services AG | 355 |
4.1 Einleitung | 355 |
4.2 Das Projekt „Datenqualität Strukturen/Standards und Drittmarktfähigkeit“ | 357 |
4.3 Fazit | 371 |
5 Verknüpfung von DQ-Indikatoren mit KPIs und Auswirkungen auf das Return on Investment | 373 |
5.1 Beispiele zur Illustration von DQ-Problemen | 374 |
5.2 Wie wirken sich DQ-Probleme auf Unternehmen aus – Der Zusammenhang zwischen Daten- und Prozessqualität | 375 |
5.3 Wie viel kosten schlechte Daten den Unternehmer? | 380 |
5.4 Der Einfluss von DQ-Indikatoren auf KP-Indikatoren – wie beeinflusst Datenqualität den Unternehmenserfolg? | 381 |
5.5 Beschreibung eines KPI orientierten DQManagementprozesses | 384 |
5.6 Fallstudie – Banque Cantonale Vaudoise (BCV) | 392 |
Literaturverzeichnis | 395 |
Über die Autorinnen und Autoren | 396 |
Stichwortverzeichnis | 413 |